基于功率传感设备的双重ResNet的图像融合和目标检测
Jie Yang1,2, Wei Yan3, Shuai Yuan3
1School of Communication and Artificial Intelligence, Nanjing Institute of Technology, Nanjing 211167, China.
Sensors (Basel, Switzerland)
|May 14, 2025
概括
这项研究引入了改进的SIFT算法和双重ResNet网络,用于融合红外和可见光图像,增强功率传感网络中的目标检测. 新方法显著提高了传感绝缘体的注册准确性和检测性能.
科学领域:
- 计算机视觉 计算机视觉
- 电气工程 电气工程
- 图像处理 图像处理
背景情况:
- 目标检测对于监控功率传感网络和在复杂环境中识别问题至关重要.
- 传统的红外和可见光图像记录方法在准确性和特征提取稳定性方面扎.
- 单个深度学习网络往往不能为有效的图像融合提供足够的深度信息提取.
研究的目的:
- 通过改进红外和可见光图像记录和融合,提高功率传感网络中的目标检测.
- 开发一个改进的SIFT算法,用于准确的图像注册和稳定的特征提取.
- 设计一个双 ResNet 网络,用于深度特征提取和改进图像融合相似性.
主要方法:
- 一个改进的SIFT算法,包括边缘和角探测,用于特征点提取.
- 预处理步骤包括梯度截断和正常化,以减轻非线性照明效应.
- 一个双 ResNet 网络架构,用于从红外和可见光图像中提取深层特征.
主要成果:
- 改进的注册算法使图像注册的准确性提高了1%以上.
- 与单个ResNet相比,双重ResNet网络的图像融合结构相似性提高了大约0.2%.
- 目标检测的平均精度 (mAP) 提高了3%和6%的融合图像相对于红外和可见光图像.
结论:
- 提议的改进的SIFT算法和双重ResNet网络有效地增强了用于电力设备目标检测的图像注册和融合.
- 双 ResNet 方法显著提高了功率传感网络中传感绝缘体检测的准确性.
- 这种综合方法为电力系统中复杂环境目标识别提供了可靠的解决方案.
